論文G: 実装駆動型学習 - AIが見落とした基本原理を人間の直感が再発見する現象
- タイトル（案）: Implementation-Driven Learning: How Human Intuition Rediscovered Principles Overlooked by AI
- 副題: A Case Study of Human-AI Collaboration in Compiler Development
- 略称: Nyash AI Collaboration Paper
- ステータス: 執筆開始
要旨
本研究は、Nyashプログラミング言語のコンパイラ開発において、3つのAI（ChatGPT、Claude、Gemini）が中間表現（MIR）設計時に型情報の必要性を見落とし、プログラミング初心者である開発者が実装の苦痛から直感的にその必要性を再発見した事例を分析する。AIの理論的完璧さと人間の経験的学習の相補性を実証し、ソフトウェア開発における新しい協働モデルを提示する。
位置づけ
- 論文A（MIR-14）: 技術仕様
- 論文D（SSA構築）: 技術的解決策（箱理論）
- 論文G（本稿）: AI-人間協働プロセス ← ここ
主要な発見
-
AIの見落としパターン
- 部分最適化への集中（命令数削減）
- 動作優先バイアス（型情報を後回し）
- 文脈共有の欠如
-
人間の直感的発見
- 「文字列が0になる」という具体的問題
- 「+が曖昧」という実装の痛み
- 「型情報があれば簡単」という気づき
-
実装駆動型学習
- 理論知識ゼロからの本質理解
- 痛みを通じた深い学習
- AIには経験できない学習プロセス
章構成
- Introduction: AI時代の新しい開発パラダイム
- Background: Nyashプロジェクトの概要
- The Missing Type Information: AIが見落とした基本
- MIR設計プロセス
- 3つのAIの役割と判断
- 型情報欠落の経緯
- Implementation Pain: 実装での苦闘
- 文字列処理の問題
- デバッグ50分の記録
- 型推測の複雑さ
- Human Rediscovery: 直感による再発見
- 初心者の素朴な疑問
- 「普通こうじゃない？」の価値
- 型情報追加の提案
- Analysis: なぜAIは見落としたか
- 理論と実装のギャップ
- 経験不可能なAIの限界
- 人間の強み
- New Collaboration Model: 提案
- AIの役割：理論・最適化・大局観
- 人間の役割：直感・経験・痛みからの学習
- 相補的協働
- Conclusion: Everything is Experience
データ・証拠
- GitHubコミット履歴
- AI相談ログ（ChatGPT、Claude、Gemini）
- デバッグセッションの記録
- コード変更前後の比較
関連ファイル
- AI相談記録:
consultation-logs/ - 実装変遷:
implementation-history.md - 型情報追加提案:
type-info-proposal.md
Note: この論文は、AI協働開発の実践的知見を学術的に整理する試みである。